肝脏患者 CT 数据整理：动态对比增强 CT 中的期相识别
图像与视频处理
2019-10-01 v2 计算机视觉与模式识别
摘要
随着医学影像中对更具描述性的机器学习模型的需求增长，数据匮乏造成的瓶颈将加剧。因此，收集足够的大规模数据将需要自动化工具，从杂乱的真实世界数据集（如医院 PACS）中获取数据/标签对。这是我们工作的重点，我们提出了一种原则性数据整理工具，从真实且异构的医院 PACS 数据集中提取多期相 CT 肝脏研究并识别每次扫描的期相。为模拟典型部署场景，我们首先从机构合作方获得一组噪声标签，这些标签使用简单规则从 DICOM 标签中文本挖掘得到。我们训练了一个深度学习系统，使用定制且精简的 3D SE 架构，来识别非增强、动脉期、静脉期和延迟期动态 CT 肝脏扫描，并过滤掉其他内容，包括其他类型的肝脏对比研究。为利用尽可能多的训练数据，我们还引入了一种聚合交叉熵损失，可从仅被标识为“对比”的扫描中学习。在包含 7680 名患者影像研究的 43K 次扫描的数据集上的大量实验表明，我们的 3DSE 架构配备聚合损失后，可实现 0.977 的平均 F1 分数，并能正确获取多达 92.7% 的研究，显著优于文本挖掘和标准损失方法，也优于其他更复杂模型架构。
引用
@article{arxiv.1909.02511,
title = {CT Data Curation for Liver Patients: Phase Recognition in Dynamic Contrast-Enhanced CT},
author = {Bo Zhou and Adam P. Harrison and Jiawen Yao and Chi-Tung Cheng and Jing Xiao and Chien-Hung Liao and Le Lu},
journal= {arXiv preprint arXiv:1909.02511},
year = {2019}
}
备注
11 pages, accepted by 2019 MICCAI - Medical Image Learning with Less Labels and Imperfect Data Workshop